企业官网建设流程全解析

简介：这是一篇发表于《桂林理工大学学报》的学术论文PDF，面向从事深度学习、图像处理及艺术风格合成的研究者与开发者，针对传统水墨画绘制方法生成图像呆板、缺乏意境层次的问题，提出基于卷积神经网络（CNN）的水墨画合成方法。资源包内含1个PDF文件，大小约3.94MB，完整收录论文正文、图表、公式及参考文献，可直接阅读与引用。目前已有111人学习。论文详细阐述了调整预训练CNN模型结构、定义卷积层特征响应及其相互关系，并通过匹配照片与水墨画特征响应分别获取内容与风格信息，最终在随机图像上完成风格迁移的完整技术路径；同时介绍了对输入照片进行对比度增强的预处理策略。实验表明，该方法能有效保留原照片的轮廓信息，并融入水墨画的整体纹理，灰度图像风格合成效果出色，为计算机自动生成具有艺术特色的水墨画提供了新思路，对非真实感绘制研究与中国传统文化数字化弘扬具有重要参考价值。

1. 水墨画合成，难的不是“像”，是“墨分五色”和“留白”

第一次用卷积神经网络做水墨画合成的人，大概率会在同一件事上翻车：生成的图一眼看过去“很水墨”，但经不起细看——山石的轮廓是糊的，墨色是均匀的灰，原本该空着的留白处填满了无意义的墨点。水墨画合成方法之所以一直比油画风格迁移难做，问题不在网络结构不够深，而在水墨这个域的特征和西画完全是两套逻辑：油画看色彩堆叠和笔触方向，水墨看的是墨色浓度梯度、笔势走向、水晕边缘和留白的气口。这篇笔记围绕“基于卷积神经网络的水墨画合成方法”展开，从原理选型、数据清洗、网络搭建到训练的排坑一起讲清楚，目标只有一个：让你在一个周末内跑通一个能出图的水墨合成方案，并且知道结果不好时该改哪里、看哪里。

2. CNN做水墨合成：三条路线，为什么主流都走 CycleGAN

水墨画合成不是新问题。在卷积神经网络流行之前，传统方法靠的是图像类比、笔刷纹理合成和物理建模的墨汁扩散模拟，能做出单张效果图，但做不到“给定一张照片，稳定产出匹配内容的水墨画”。CNN 入场后，这个任务被重新划成了三条路线，理解这几条路线各自的边界，你才知道自己该选哪条。

2.1 从 CNN 风格迁移说起：Gram 矩阵为什么能提出“水墨感”

最早可落地的路线是优化式风格迁移，也即 Gatys 等人提出的方法。它不做任何训练，而是用预训练好的 VGG19 网络分别提取内容图像和风格图像的深层特征，然后通过迭代优化让生成图在内容特征上靠近照片、在风格特征上靠近水墨画。风格特征用 Gram 矩阵描述，它的本质是统计不同卷积通道之间的激活值相关性，能捕捉到某类图像的纹理统计特性，不关心具体物体摆在哪儿。

这条路线拿来试水墨合成，效果其实不差，尤其是单张图的纹理质感。比如你用一张齐白石风格的虾图和一张实拍河虾照片做神经风格迁移，生成结果里墨色的浓淡分布、笔触的随机性都能看。但它的致命问题有两个：一是慢，单张 512×512 的图在 VGG19 上迭代几百步，GPU 上也要几十秒到几分钟，做不到视频级处理；二是它优化的是“整体纹理统计”，而水墨画里的笔触是有方向的，是跟着物体结构走的，Gram 矩阵抓不到这种“结构引导的笔势”，所以经常出现山体边缘的墨线飘到天上这种怪相。结论是，神经网络风格迁移适合做预研和效果对比，不适合做量产。现在仍有人拿它来做数据增强——给配对数据扩充风格多样性，这个用法比直接当生成器更靠谱。

2.2 生成式与 GAN 式路线对比：为什么 CycleGAN 是主流选型

第二条路线是快速风格迁移，典型代表是 Johnson 等人提出的前馈网络：训练一个编码器-解码器结构的网络，输入照片直接输出风格化结果，一次前向只要几十毫秒。它的训练损失借用了上面说的感知损失——内容用 VGG 特征距离约束、风格用 Gram 矩阵约束。这条路线比优化式实用很多，在超分辨率、单图风格化里都有成熟应用。

但水墨画合成里，前馈风格迁移有一个天然缺陷：它要求训练数据是“配对的”，也就是同一内容的照片和水墨画必须成对出现。现实里几乎找不到这种数据——你不可能让齐白石对着你拍的山景画一张一模一样构图的水墨画。没有严格配对数据时，这条路线只能退化成“同风格图做的伪配对”，内容对齐全靠裁剪和缩放，质量上限很低。于是就有了第三条路线：GAN 式的非配对域转换，具体落地结构是 CycleGAN。它不需要任何配对数据，只需要一整批照片放在 A 域、一整批水墨画放在 B 域，网络自己学会跨域转换，同时用循环一致性损失约束“转过去再转回来图不变”。这套思路解决的是数据可得性问题，而水墨画合成最大的数据瓶颈恰好就是配对数据不存在，所以 CycleGAN 成为这个方向的事实标配。

2.3 水墨域的专属建模：墨色、笔触、留白作为结构约束

直接套用标准 CycleGAN 能做出一批“像水墨”的图，但要做出“是水墨”的图，必须在水墨域的专属特性上做文章。踩过一遍量产坑之后，我一般会在标准 CycleGAN 损失之外再挂三个约束：墨色分布约束、边缘保持约束、稀疏性约束。

墨色分布约束解决的是“灰度直方图不贴谱”的问题。真水墨画的灰度直方图是双峰的——一大片接近纸张的高亮背景，一小片集中在墨色区间的低亮纹理。而普通 CycleGAN 的输出倾向中间灰度，看起来灰蒙蒙的。做法是把输出图的直方图向训练集水墨画的平均直方图拉近，或者直接在后处理里做一次直方图匹配。边缘保持约束解决的是“结构糊掉”的问题，用 Sobel 算子把照片的边缘幅度图抽出来，和生成图的边缘幅度图算 L1 距离，让笔触沿着结构走。稀疏性约束解决的是“留白被填满”的问题，做法是在损失里加一个对输出像素绝对值的惩罚，鼓励网络把大量背景区域压到接近纯白的值。

这三条约束不是论文里的玄学，都是可以落地的工程手段。后面第 4 章会给出具体实现和参数，这里先记住结论：在水墨合成任务里，结构约束比网络深度更重要。

3. 数据准备：从存量画作到可训练的输入张量

很多人把精力全放在模型上，最后效果不行就怪网络——其实水墨画合成九成的问题出在数据上。常见的数据来源是三类：博物馆公开数字馆藏、艺术史教材配图、拍卖图录扫描件。这些图直接拿去训练，会让模型学到装裱、钤印、题字这些无关的线索，必须做一轮清洗和预处理。

3.1 图像域的收集与清洗：去装裱、去钤印、去题字

先做人工粗筛。把带完整装裱边框的图裁掉外缘 5%-10% 的像素，只保留画心部分。接下来处理钤印和题字：水墨画里的红色印章在 RGB 空间特征极其明显，用颜色阈值就能抠出来；题字是浓墨写的文字块，在灰度图上是高梯度区域，和画面主体不好区分，但题字通常集中在画面边缘或固定角落，稳妥的做法是直接把画面四角各裁掉 8%，宁可损失部分构图也不能让模型把字当作内容特征学进去。

import cv2 import numpy as np from pathlib import Path def clean_ink_painting(img_path: str, crop_ratio: float = 0.08) -> np.ndarray: img = cv2.imread(img_path) h, w = img.shape[:2] # 1. 去掉装裱边框：按比例裁剪外缘 ch, cw = int(h * crop_ratio), int(w * crop_ratio) img = img[ch:h-ch, cw:w-cw] # 2. 去掉红色钤印：在 HSV 空间里把红色区域涂成白色背景 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) mask = cv2.inRange(hsv, (0, 80, 80), (10, 255, 255)) | \ cv2.inRange(hsv, (170, 80, 80), (180, 255, 255)) img[mask > 0] = (255, 255, 255) # 3. 转灰度 + 自适应直方图均衡，拉伸墨色层次 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) gray = clahe.apply(gray) return gray # 批量处理示例：对某目录下所有 jpg 执行清洗 for p in Path("raw_ink/").glob("*.jpg"): cleaned = clean_ink_painting(str(p)) cv2.imwrite(f"cleaned_ink/{p.name}", cleaned)

这段代码有三个参数需要根据自己的数据源调：crop_ratio是外缘裁剪比例，扫描图带白边时设成 0.12 都不为过；钤印的 HSV 阈值两个区间分别是“正红”和“偏紫红”，有些印泥偏橙，需要把低阈值改成(0, 100, 80)到(15, 255, 255)；CLAHE 的clipLimit控制墨色对比度拉伸强度，水墨画本来对比度就大，设 2.0 就够，再大会把纸张纹理也拉出来变成噪点。清洗后的图统一缩放到 512×512 以内，以免后续训练显存爆炸。

3.2 用边缘图把“笔触”从色调里拆出来

水墨画的笔触不只是“深色的线”，它同时包含用笔速度（飞白）、含水量（洇墨）和力度（粗细变化）。这些信息在灰度图里混在一起，模型很难自己拆解。一个非常有效的预处理技巧是：把水墨画拆成“色调图”和“边缘图”两个通道，让网络分别学。

def extract_edge_map(gray: np.ndarray, sigma: float = 1.0) -> np.ndarray: # 高斯拉普拉斯边缘提取：比 Sobel 更贴近“笔触轮廓”的感知 blur = cv2.GaussianBlur(gray, (0, 0), sigma) lap = cv2.Laplacian(blur, cv2.CV_32F) edge = np.abs(lap) edge = cv2.normalize(edge, None, 0, 255, cv2.NORM_MINMAX).astype(np.uint8) # 双向阈值：低阈值保留主线，高阈值只保留最强笔锋 _, edge_bin = cv2.threshold(edge, 30, 255, cv2.THRESH_BINARY) return edge_bin

边缘图有两个用途。第一，把它作为生成器的额外输入通道，让网络在生成时同时看到“照片的长什么样”和“照片的轮廓在哪”，笔触更容易落在结构上；第二，在损失函数里用生成图的边缘图和照片的边缘图做约束。实际经验是，生成器输入从 3 通道变成 4 通道（RGB 加边缘），输出质量提升比加深两层残差块更明显，代价只是多一个输入分支，训练速度几乎不受影响。

3.3 配对与非配对：为什么多数人只能走 CycleGAN 路线

上一小节说的边缘图方法在配对训练下效果最好，但水墨画数据的现实约束绕不开——同一内容的照片和水墨画根本不存在。业内常见的妥协方案有两种：第一种是“内容迁移法”，拿真实照片做边缘提取后，找内容相近的水墨画元件（松树、山石、流水）手工合成伪配对训练图；第二种就是直接放弃配对，用 CycleGAN 的非配对结构。

我的建议是：如果项目周期以周计、对效果要求高，就花一周时间做伪配对；如果以天计，直接上 CycleGAN，把精力花在为它定制损失上。第二章末尾说的三个墨色约束，在非配对结构里依然是有效的。非配对训练的收敛节奏比配对慢一倍左右，原本 100 个 epoch 能看到的轮廓，非配对得到 200 个 epoch 附近才开始稳定。别因为前 50 个 epoch 出的图太抽象就提前判定训练失败，这是非配对训练的正常热车过程。

4. 把最小可跑的水墨合成网络搭起来：结构、损失与调参

这一章给出可以直接抄走的最小实现骨架。选型原则上尽量贴近 CycleGAN 原版，因为社区对它的特性最熟、踩坑记录最全；同时在水墨域专属的部分做三个增量修改，改动点都有注释说明。

4.1 生成器和判别器选型：ResNet-9 + PatchGAN

生成器用 ResNet-9 而不是原版 ResNet-6，因为水墨画里的笔触纹理属于中高频信息，网络层数太浅时高频细节出不来。ResNet-9 指的是 9 个残差块，每个残差块保持分辨率，整体结构是“下采样两次 + 9 个残差块 + 上采样两次”。判别器用 70×70 PatchGAN，它对局部纹理的判别能力比整图判别器更强，适合水墨这种“局部墨韵 + 整体留白”兼顾的任务。

import torch import torch.nn as nn # 生成器：编码器-残差-解码器骨架，输入可选 4 通道（含边缘图） class ResNetGenerator(nn.Module): def __init__(self, in_channels=4, out_channels=1, n_res=9): super().__init__() # 前两层下采样：通道数从输入扩到 64 -> 128 self.down = nn.Sequential( nn.Conv2d(in_channels, 64, 7, 1, 3), nn.InstanceNorm2d(64), nn.ReLU(True), nn.Conv2d(64, 128, 3, 2, 1), nn.InstanceNorm2d(128), nn.ReLU(True), ) # 9 个残差块：在这个深度上特征图分辨率不变 res = [] for _ in range(n_res): res += [ nn.Conv2d(128, 128, 3, 1, 1), nn.InstanceNorm2d(128), nn.ReLU(True), nn.Conv2d(128, 128, 3, 1, 1), nn.InstanceNorm2d(128), ] self.res = nn.ModuleList(res) # 上采样：转置卷积换成了“上采样+卷积”，避免棋盘格伪影 self.up = nn.Sequential( nn.Upsample(scale_factor=2, mode='bilinear', align_corners=False), nn.Conv2d(128, 64, 3, 1, 1), nn.InstanceNorm2d(64), nn.ReLU(True), nn.Conv2d(64, 1, 7, 1, 3), nn.Tanh(), ) def forward(self, x): h = self.down(x) for res_block in self.res: h = res_block(h) + h # 残差连接 # 输出限制在 [-1, 1]，对应灰度图经归一化后的范围 return self.up(h)

这里有两个参数是水墨域的专属优化。第一，out_channels=1，水墨画合成任务里直接用灰度图做输出，比 RGB 三通道更稳——因为水墨画本质上就是灰度域，RGB 输出会让网络浪费能力去学“墨色偏蓝还是偏紫”的无意义差异；第二，上采样用Upsample + Conv而不是转置卷积，这直接消除了后期最常见的棋盘格伪影问题，代价是生成速度慢 10% 左右，对离线和近实时场景完全可接受。

4.2 损失函数怎么配：循环一致性、身份损失与墨色约束

CycleGAN 原版有三部分损失：对抗损失、循环一致性损失、身份损失。水墨合成在这基础上必须再挂两个：边缘保持损失和墨色直方图约束。

def ink_painting_loss(g_fake, edge_photo, gray_fake, hist_target): # 1. 对抗损失：判别器对生成图打真假分 adv_loss = nn.MSELoss()(d_fake, torch.ones_like(d_fake)) # 2. 循环一致性损失：照片->水墨->照片，要求能转回来 cycle_loss = nn.L1Loss()(reconstructed_photo, photo) # 3. 身份损失：输水墨画再生成水墨画，不应越改越远 identity_loss = nn.L1Loss()(g_fake_from_ink, ink) # 4. 边缘保持损失：生成图的边缘要和照片的边缘结构对齐 edge_photo_tensor = torch.from_numpy(extract_edge_map(photo_np)).float() edge_fake = extract_edge_map_tensor(g_fake) edge_loss = nn.L1Loss()(edge_fake, edge_photo_tensor) # 5. 墨色直方图约束：把生成图灰度分布拉向目标水墨画分布 hist_loss = torch.mean(torch.abs( torch.histc(gray_fake, bins=64, min=-1, max=1) - torch.from_numpy(hist_target).float() )) total = adv_loss + 10.0 * cycle_loss + \ 0.5 * identity_loss + 0.3 * edge_loss + 0.2 * hist_loss return total

五个损失的权重从大到小依次是：循环一致性 10.0、对抗 1.0、身份 0.5、边缘 0.3、直方图 0.2。这个权重的设计逻辑是：循环一致性保内容结构是底线，不能动；身份损失保“水墨画输进去不被改成照片”，权重太大会让网络躺平——它发现只要输出约等于输入就两头讨好，于是干脆不做风格转换；边缘保持和直方图是风格强化的辅助项，权重再往上加会让生成图出现“描边如临帖”的僵硬感，把活的水墨写意做成死板的刻线，导致画面失去水墨画的生动性。

4.3 核心训练参数表与迭代节奏

直接给一张我调好的参数表，照着跑出来的效果稳定可复现。

两个容易忽略的细节：第一，所有卷积层后面的归一化必须用 InstanceNorm，不能用 BatchNorm——batch size 只有 1 时 BN 统计不到有效均值，会出现色调漂移；第二，判别器输入不要直接用生成器的原始输出，先过一遍 50 张的 history pool，混合新旧生成图再喂进去，否则判别器会被“同一批假图”洗脑，训练到中期生成器随便出一张图都能骗过判别器，梯度失去指导意义。

训练过程看两个曲线就够：生成器总损失的下降是否平滑，以及循环一致性损失是否始终低位运行。如果循环一致性损失突然飙升，说明内容结构被破坏了，赶紧降低对抗损失的权重。如果总损失一路走低但生成图仍然抽象，十有八九是判别器太弱，把判别器的学习率从 0.0002 提到 0.0003 重训。

5. 水墨合成训练避坑：五个我踩过的具体坑

这部分不是理论推演，全部来自实际跑水墨合成时的排障记录。每一条都按“现象 → 原因 → 解决”来写，方便你直接对照定位。

5.1 现象：生成图“灰成一片”，山石轮廓全部糊掉

现象是输出图像蒙了一层灰雾，墨色最深的地方也只到中灰，远看整体是“灰墨”而不是“焦墨”，山石的轮廓线模糊不清。检查输出直方图，发现像素集中在 -0.3 到 0.3 的窄区间，没有接近 -1 的深墨区。

原因是循环一致性损失和 L1 损失天然倾向保守——L1 惩罚对大误差和小误差是线性的，网络为了降低总损失会选择“平均正确”，也就是避免输出高对比度的极端值，因为一旦某一笔预测错了，惩罚会很大，于是干脆全体压到中间灰度。解决方法是加一个对比度惩罚项，直接对输出图的标准差做约束，让网络必须拉开明暗差距。这个惩罚项的权重不用太大，0.1 就能打破灰色僵局，输出图自动盘活。

5.2 现象：空白的宣纸区域长满“水渍”伪影

现象是纸张本该纯白的区域出现一圈圈类似水渍的纹理，远看像宣纸受潮，近看是规则的环形波纹。这是典型的棋盘格伪影，但和转置卷积的棋盘格长得不同——转置卷积的伪影是规则的格状，水渍则有中心往外扩散的形状。

原因是 CycleGAN 里的 U-Net 跳跃连接结构在水墨域失效了。水墨画的纸张是纯色背景，跳跃连接把编码器特征直接拼到解码器时，背景区域的低频特征和生成流产生干涉，形成环形波纹。解决方法是把 U-Net 改成“跳跃连接 + 注意力门控”，让网络自己学会对背景区域跳过跳跃连接；工程上更快的做法是直接换回 ResNet-9 纯残差结构，牺牲一点局部细节恢复能力，换取背景干净。我的做法是先试 ResNet-9，背景伪影消了，再纠结细节问题。

5.3 现象：训练到一半 G 损失直接归零，输出全黑

现象是训练曲线在某个 epoch 突然断崖下跌，生成器损失接近 0，同时生成图变成全黑或全白，没有任何结构信息。

原因是生成器找到了“对抗损失最短路”——因为判别的输入是生成图的整体，生成器把整张图压成纯色，对抗损失稳定最小，循环一致性损失却彻底失效。这说明循环一致性损失的权重已经被对抗损失压制了。解决方法是把循环一致性损失权重从 10.0 临时提到 20.0，同时给判别器输入加高斯噪声（标准差 0.05），让判别器不能完美判断纯色图，逼迫生成器重新回来学结构。这个操作通常在 50 个 epoch 内恢复，如果 50 个 epoch 后还是全黑，建议直接停掉训练，检查生成器最后一层的 Tanh 输出是否被错误加了偏置。

5.4 现象：模型把题字和钤印当成了内容主体

现象是生成结果在画面固定位置反复出现类似文字笔画的纹理，有的甚至带红色色块痕迹。这说明数据清洗没有把题字和钤印除干净。可能是裁剪比例设太小，或者钤印的 HSV 阈值范围没有覆盖印泥的色差。

解决方法是先做一轮人工抽查：把清洗后的图每 50 张拼成一张 contact sheet，快速翻看还有多少图带文字笔画。如果比例超过 5%，重新调大crop_ratio到 0.1，再把钤印的 HSV 阈值从(0, 80, 80)扩展到(0, 60, 60)，让更多的红色被吃掉。还有一招是“按区域挖掘”：如果题字总是出现在左上角，直接对左上角区域做均值填充。别担心损失边角构图，水墨画的文字块本来就不是合成目标的一部分。

5.5 现象：枯笔笔触出不来，输出永远停在“淡墨”区间

现象是生成的墨线均匀平滑，没有毛笔划过纸面时那种“中间实、边缘虚、带飞白”的枯笔质感。水墨画的笔触最明显的一个特征是灰度值沿笔触垂直方向有剧烈波动——中心线深、边缘迅速变浅、局部有断裂。

原因是普通卷积感受野太规则，对这种“沿线条方向连续、垂直方向突变”的各向异性纹理建模能力不足。解决方法是引入方向性滤波作为前置特征提取层：在生成器第一层之前，加两个方向的高通滤波分支（水平和垂直），把结果拼进输入通道。这个改动会让枯笔效果在 30 个 epoch 内肉眼可见地改善。代价是输入通道从 4 变成 6，训练速度略降，但换来的是更接近“写”出来的线条。

6. 从“像水墨”到“是水墨”：墨色可控合成与效果验证

水墨画的观感高度依赖墨色的浓淡节奏——一幅画全部用浓墨会显得“死”，全部用淡墨则“飘”。如果你的目标是做一套工具型的水墨合成方案，而不是给每张图单独调参，“墨色可控”就是必须跨过的关。

做法是在生成器的解码器部分插入一个可学习的调制向量 z，长度 4 或 8 维，分别对应“焦、浓、重、淡、清”五级墨色的强度系数。前向计算时，z 通过一个全连接层映射成对特征图的缩放和平移系数，作用在每个上采样阶段的 InstanceNorm 之后。训练时固定 z 为默认值；推理时把 z 的某一维调大，生成图的整体墨色就会往对应方向偏。这个改法来自条件归一化的思路，比直接对输出做全局灰度变换更灵活——它是在特征层面控制墨色，能保留笔触的局部对比度，而不是整张图无差别调亮调暗。

验证方法我用的是“内容保持 + 风格评分”双轨制。内容保持指标看 SSIM：把原始照片的灰度图和生成图在结构上做对比，SSIM 低于 0.35 说明内容破坏严重，需要回调循环一致性权重。风格评分用两个指标：对比度分布——统计生成图的灰度直方图，如果出现明显的双峰（亮峰是纸张，暗峰是墨色），说明墨色拉开层次了；边缘密度——用 Canny 算子统计笔触区域占比，枯笔效果好的图边缘密度通常比普通风格迁移高 30% 以上。最后把生成图拼成 3×3 的网格打印出来后看：正常人一眼扫过去，先注意到的应该是画面里主景物的姿态和留白的气口，而不是墨色本身的纹理，这才是水墨画合成的及格线。

这个项目还有一个很值钱的进阶方向：在合成流程里加入“题字区域自动留空”的逻辑——检测画面里信息量最大的区域，把水墨浓度往上升，让留白自动落在画面下方的边缘处。我做这个改动时折腾了很久，最后意识到它本质是注意力图的可微代理，后来直接用第 5.2 节说的注意力门控来做，一步到位。每次做完一批图，我都会把自己当成观众先盯一秒——一秒内能看出画面主次关系的，才敢把参数往下传。希望帮到你。

本文还有配套的精品资源，点击获取